Podsumowanie webinaru: jak jeden z największych europejskich ubezpieczycieli wdrożył agentów AI

Klienci ubezpieczycieli rzadko dzwonią, gdy wszystko idzie dobrze. Dzwonią po wypadku, aby zgłosić roszczenie, albo w trakcie prawdziwego kryzysu. Ta rozmowa wpływa na wszystko, co dzieje się później, i często jest jedynym rzeczywistym kontaktem klienta z ubezpieczycielem.

Admiral obsługuje miliony takich rozmów rocznie w Wielkiej Brytanii, Włoszech, Francji i Hiszpanii. Teraz korzysta z agentów AI , aby je obsługiwać zgodnie z przepisami. 

Podczas tego webinaru zespół Admiral pokazał nam, jak to zrobili: wybrali pierwszy przypadek użycia, od pierwszego dnia zaangażowali dział prawny i compliance, a następnie przeszli od działającego prototypu do zmian produkcyjnych wdrażanych w godziny zamiast tygodni.

Najważniejsze wnioski

• Zacznij od wąskiego, ale realnego zakresu. Pierwszy produkcyjny przypadek użycia Admiral — wyceny spłaty w brytyjskim biznesie kredytowym — miał na tyle ograniczony zakres, by dało się go wdrożyć w realistycznym terminie, a jednocześnie obejmował telefonię i integracje z backendem. To wystarczyło, by sprawdzić architekturę bez rozwiązywania wszystkiego naraz.
• Przed skalowaniem podnieś poprzeczkę, nie obniżaj jej. Admiral od pierwszego dnia tworzył rozwiązanie z myślą o produkcji, przebudował procesy nadzoru, by nadążały za technologią, i od początku zaangażował dział prawny oraz compliance w jasno określony pilotaż.
• Przepisy to punkt wyjścia, nie cały projekt. Admiral uzupełnia wymagania regulacyjne własnymi wewnętrznymi zasadami, stosuje logikę deterministyczną wszędzie tam, gdzie coś musi być udowodnione, a klientów w trudnej lub wrażliwej sytuacji kieruje do ludzkich konsultantów.
• Prawdziwa praca zaczyna się na produkcji. Każda zmiana agenta przechodzi przez pełny zestaw testów symulacyjnych, a wdrożenie zwiększa się z 1 do 100 procent ruchu. Ten cykl skrócił się z tygodni do godzin.

Zacznij od wąskiego, ale nie zbyt wąskiego zakresu

Pierwszym produkcyjnym przypadkiem użycia Admiral były wyceny spłaty w brytyjskim biznesie kredytowym — celowo kontrolowany punkt startowy zamiast najtrudniejszego problemu z listy. Kampa opisała to podejście jako wybór jednego kraju i jednej linii biznesowej do eksperymentu przed dalszą ekspansją.

Neely powiedziała, że to właśnie odróżnia wdrożenia trafiające na produkcję od tych, które utknęły: przypadek użycia musi być na tyle wąski, by dało się go rozwiązać w realistycznym czasie, ale też wystarczająco złożony, by faktycznie sprawdzić otaczające go systemy. Wyceny spłaty się sprawdziły, ponieważ rozmowa ma ograniczoną liczbę ścieżek, a jednocześnie obejmuje telefonię i integracje z backendem. To wystarczyło, by potwierdzić architekturę bez próby rozwiązania wszystkiego naraz.

Przy tym wyborze liczyło się kilka rzeczy:

• Ograniczony zakres, realna złożoność. Przypadek użycia musi mieć dość wariantów, by przetestować telefonię i integrację z backendem, a nie tylko zaplanowaną ścieżkę bez problemów.
• Szybkie wdrożenie na produkcję. Im dłużej rozwiązanie pozostaje w fazie rozwoju, tym dłużej trzeba czekać, aż prawdziwe rozmowy przyniosą feedback, który naprawdę poprawi agenta. Neely nazwała to „ostatnimi 20 procentami” — częścią, która pojawia się dopiero wtedy, gdy z systemem rozmawiają prawdziwi klienci.
• Wolumen i wpływ jednocześnie. Admiral zaczął od prostych interakcji o dużym wolumenie, w których krótszy czas oczekiwania i szybsze rozwiązanie problemu wyraźnie poprawiały doświadczenie klienta.

Przed skalowaniem podnieś poprzeczkę, nie obniżaj jej

Kierownictwo Admiral jasno stwierdziło, że agenci AI powinni podnosić standardy compliance i testowania, a nie je obniżać. Kampa ujęła to wprost: standard walidacji musi być bardziej rygorystyczny niż wcześniej, ponieważ ryzyko, że agent odejdzie od scenariusza lub złamie zasadę, różni się od sytuacji, gdy ludzki konsultant podejmuje decyzję.

Ten standard znalazł odzwierciedlenie w trzech zobowiązaniach, które zespół podjął na początku:

• Twórz z myślą o produkcji, nie o proof of concept. Kampa poleciła zespołom od pierwszego dnia projektować z myślą o uruchomieniu produkcyjnym, zamiast prowadzić mały eksperyment, którego nigdy nie da się skalować.
• Nadzór, który nadąża za tempem technologii. Kampa zauważyła, że proces nadzoru, który potrzebuje sześciu miesięcy na zatwierdzenie rozwiązania, może zatwierdzić technologię już nieaktualną w chwili wdrożenia. Admiral przebudował rytm przeglądów, aby odpowiadał tempu zmian modeli i narzędzi.
• Dział prawny i compliance od pierwszego dnia. Zapytani, kiedy dział prawny i compliance dołączyły do projektu, Kampa i Clark od razu odpowiedzieli: pierwszego dnia — w ramach jasno określonego pilotażu (z ustaloną liczbą połączeń), a nie otwartego wniosku o zatwierdzenie.

Niech przepisy wyznaczają punkt wyjścia, a nie cały projekt

Clark jasno zaznaczył, że wymagania regulacyjne — takie jak poinformowanie klienta, że rozmawia z AI, oraz w niektórych jurysdykcjach umożliwienie przekierowania do człowieka — różnią się w Wielkiej Brytanii, Włoszech, Francji i Hiszpanii. Admiral stworzył agentów tak, by radzili sobie z tymi różnicami, nie pozwalając jednak, by rozmówca mógł „eskalować” się z każdej rozmowy, którą da się rozwiązać.

Niektóre rozmowy są całkowicie wyłączone z obsługi przez agenta: Admiral kieruje klientów w trudnej lub wrażliwej sytuacji do ludzkich konsultantów, a AI jest wyszkolone, by wykrywać sygnały uruchamiające takie przekazanie rozmowy.

Kampa opisała szersze podejście jako warstwowe: „Przepisy to tylko punkt wyjścia”, a ponad nimi znajdują się własne wewnętrzne zasady i standardy kultury Admiral, czasem idące dalej niż wymagają tego przepisy.

To warstwowe podejście wpłynęło też na wybór między logiką deterministyczną a niedeterministyczną. Clark wyjaśnił, że niedeterministyczne rozumowanie dobrze sprawdza się w rozpoznawaniu intencji rozmówcy lub wykrywaniu trudnej sytuacji, natomiast wszystko, co firma musi móc udowodnić — wymagany komunikat regulacyjny czy ścieżka, którą klient musi przejść — musi działać deterministycznie, bez żadnej tolerancji dla improwizacji agenta.

Neely opisała, jak struktura workflow ElevenLabs wspiera to w praktyce: agenci są tworzeni jako zestaw wyspecjalizowanych podagentów z deterministycznymi bramkami, takimi jak uwierzytelnianie. W zależności od spełnienia warunku odblokowują one lub ograniczają funkcje, zamiast pozostawiać modelowi decyzję o tym, co wolno mu zrobić.

Twórz wspólnie z osobami, które prowadzą dany proces

Zamiast tradycyjnego przekazania wymagań biznesowych zespołowi inżynieryjnemu, Admiral i ElevenLabs zorganizowali warsztaty na miejscu, które zgromadziły w jednym pomieszczeniu osoby znające przypadek użycia, zespół inżynieryjny i zespół telefonii. Neely powiedziała, że podczas pierwszego warsztatu w ciągu czterech lub pięciu godzin powstała działająca wersja v0 agenta, połączona z backendem i telefonią. Kampa i Clark mogli ją następnie zaprezentować wewnętrznie, by uzyskać zgodę na dalsze prace.

Clark powiedział, że ta bliskość była ważna nie tylko przy pierwszym prototypie: właściciele procesów biznesowych są teraz na tyle blisko technologii, że sami mogą wprowadzać niektóre zmiany. Warsztat potraktował platformę jako sposób na przeniesienie istniejącego procesu biznesowego, a nie wdrożenie nieznanego nowego rozwiązania. Kampa połączyła to szerzej z zarządzaniem zmianą: wcześnie włączono w proces liderów, menedżerów średniego szczebla i pracowników pierwszej linii, by technologia stała się częścią faktycznego działania firmy, a nie pobocznym projektem.

Prawdziwa praca zaczyna się na produkcji

Po uruchomieniu Admiral traktuje każdą zmianę agenta — dużą czy małą — tak samo: jako gałąź, która przechodzi przez pełny zestaw testów symulacyjnych, zanim trafi do klientów. Clark opisał wdrożenie rozpoczynające się od 1 procenta ruchu, monitorowanie w czasie rzeczywistym wskaźników satysfakcji klientów i rozwiązywania spraw oraz zwiększanie skali do 100 procent, gdy wyniki się utrzymują. Ten cykl skrócił się z tygodni do godzin.

Z procesu iteracji wynikły dwie ważne lekcje:

• Lokalizuj język, nie tylko słowa. Admiral początkowo pisał wszystkie prompty i workflow po angielsku i zauważył, że wyniki we Francji, Hiszpanii i Włoszech nie dorównywały wynikom w Wielkiej Brytanii. Pisanie promptów od początku w języku każdego rynku, zamiast tłumaczenia ich z angielskiego, przyniosło odpowiedzi zgodne z lokalnymi oczekiwaniami klientów i kulturą.
• Testy symulacyjne trzeba traktować poważnie, a nie jak formalność. Neely powiedziała, że napisanie promptu, który przejdzie kilka symulowanych testów, wydaje się łatwe. Trudniejsza i ważniejsza jest jednak budowa zestawów testowych, które naprawdę sprawdzają agenta pod presją, oraz jasne określenie kryteriów sukcesu z góry. Admiral przeprowadza teraz od setek do tysięcy symulowanych rozmów dla każdej zmiany przed jej wdrożeniem.

Jeśli chodzi o wyniki, Kampa wskazała czas obsługi jako kluczowy wskaźnik: rozmowy prowadzone przez AI często kończą się takim samym rozwiązaniem szybciej niż rozmowy prowadzone przez ludzi, częściowo dlatego, że podczas ładowania systemu nie ma ciszy. Opisała też stopniowy wzrost CSAT i wskaźników rozwiązywania spraw na kolejnych rynkach dzięki powtarzanym rundom testów i poprawek, a nie jednemu przełomowi.

Co warto z tego wynieść, jeśli dopiero zaczynasz

Rada Neely dla zespołów, które zaczynają tę pracę: wybierz jeden dobrze określony przypadek użycia, szybko wdroż go na produkcję i pozwól, by to prawdziwe rozmowy z klientami — a nie kolejne testy przed uruchomieniem — ujawniły przypadki brzegowe. Clark dodał, że gdy integracje po obu stronach, czyli telefonii i systemów wewnętrznych, są już sprawdzone, skalowanie na kolejne przypadki użycia staje się coraz szybsze, ponieważ zespół wie już, które ewaluacje i wskaźniki mają znaczenie.

Końcowa uwaga Kampy wybiegała dalej: ambicja nie kończy się na automatyzacji rozmów. Chodzi też o wykorzystanie tej samej warstwy AI do bezpośredniego wspierania ludzkich konsultantów poprzez transkrypcje na żywo, podpowiedzi kolejnych najlepszych działań i symulacje szkoleniowe.

Jak podsumował nasz prowadzący, główny wniosek z tej rozmowy jest taki, że regulacje i AI nie są ze sobą sprzeczne. Projektowanie od pierwszego dnia z myślą o możliwości audytu, spójności i przekierowaniu do człowieka sprawiło, że agenci Admiral są bardziej zdyscyplinowani, a nie mniej.

Obejrzyj pełną sesję

Obejrzyj pełną sesję tutaj, w tym prezentację na żywo i sesję pytań i odpowiedzi z publicznością.